文章基于 Andrej Karpathy 的观点展开：AI 自主完成的工作越多，人类越需要花时间理解和审查其输出，而这部分工作也可以请 AI 协助。作者以该帖子为素材，实践了四种帮助理解的形式：一是文字，使用 asd-ste100-skill 技能按简化技术英语规范改写总结；二是图解，分别尝试 Codex 内置生图、小黑配图（狐狸定制版）和宝玉信息图技能；三是交互网页，用 Effective HTML 技能生成可切换四种表达版本的展示页；四是讲解视频，用 HyperFrames 生成约 59 秒的中文动画旁白视频。作者逐一评估各形式的效果与适用场景，并分享相关技能资源与使用经验。
作者分享了使用AI视频创作工具Pexo制作一支SpaceX主题概念品牌片的完整过程。作者从一段15秒的粗糙演示视频和几张风格图出发，通过多轮对话式沟通，逐步将作品升级为30秒的成片。制作过程包括：让Pexo理解参考素材并确定画面风格、先讲故事再生成、三轮迭代优化（把30秒做紧、拆解六段叙事结构、调整镜头密度与节奏），并优先验证最难的高潮段落。作者强调AI视频创作是持续的导演式沟通，边聊边改比写专业提示词更直接高效。
作者以 Moderna/Merck 个体化 mRNA 癌症疫苗 Phase 3 进展为案例，体验了 Apodex 的 Deep Discover 多 Agent 研究产品。产品通过 Task Board、分工的 Sub-agent（临床数据读取、肿瘤研究、估值分析）与 Verifier 复核，实现可视、可中途干预的研究流程，并在测试中自行纠正了药物实体混淆。文章后半部分详细记录在单张 RTX 5090 上用 SGLang 部署 Apodex 1.1 mini（36B MoE GPTQ Int4）及开源 FrontierAgent 的过程，包括网络代理与 SSRF 防护冲突的排查、Agent Team 宏观研究实测，以及单卡下并行的本质是任务与上下文并行而非吞吐并行的性能分析。
MkAgent 是一个基于 Pi Agent 构建的通用 Agent 工具与开发基座，现已正式开源。它支持跨平台运行，提供 WebUI 与 CLI，支持 Skills 扩展、主流大模型和自定义模型，内置浏览器可操作网页，并支持会话、工具调用和 Agent 工作流。MkAgent 旨在让普通用户开箱即用，同时为开发者提供构建专用 Agent 的基础设施。它基于 Craft Agent v0.11.2 进行了大刀阔斧的改造，简化了功能，安装包体积减半，并采用 Apache 2.0 协议，支持商用和二次开发。
文章描述了一个结合了宝可梦游戏界面的 AI Agent “接单大楼”项目。该项目旨在将多个 AI Agent 组建成团队，通过 OpenClaw 或 Hermes 接入，实现从任务发布、分解、执行到自动结算的全流程自动化。每个 AI 都有独立钱包，并根据 Token 消耗和参与程度分配收益，探索 AI 作为数字劳动力进入工作市场的可能性。
Anthropic 設計主管 Jenny Wen 分享了她利用 Claude Cowork 改變工作流程的實戰經驗。她將來自用戶訪談、Slack 和社群的原始反饋丟給 AI，讓其自動生成洞察、功能優先級排序列表和簡報，並通過排程任務在每週一自動完成這些工作。文章探討了 AI 如何將設計師從「空白頁」中解放出來，轉為策展與決策的角色，並分析了內部反饋的重要性及動態產品規劃的方法。
